股指期货对股票现货市场波动性影响分析

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 股指期货对股票现货市场波动性影 响分析 摘 要：采用事件研究法，构造 GARCH（1，1）模型，基于长期数据 的基础针对沪深 300 股指期货的推出对 现货市场波动性的影响进行实证研究。 经过实证分析得到结论，从长期看来， 沪深 300 股指期货的推出在很小程度上 减弱了现货市场股票价格的波动性，但 沪深 300 股指期货的推出却提高了现货 市场对于新旧信息的反应效率。 中国论文网 /2/view-12902463.htm 关键词：股指期货；股票价格波 动性；GARCH 模型 中图分类号：F83 文献标识码： A doi：10.19311/ki.1672- -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 3198.2016.33.107 1 引言 中国首批沪深 300 股票指数期货 合约于 2010 年 4 月 16 日在中国金融期 货交易所正式挂牌交易。随着我国资本 市场不断发展与完善，股指期货在当今 证券市场中已起着重要的作用，可以满 足各种投资者规避风险，套期保值，投 机获利等不同的投资需求。但由于股指 期货与生俱来的灵活性和大幅度的波动 性，在股票价格的剧烈波动的问题上股 指期货总是难辞其咎。沪深 300 股指期 货的存在是否对股票现货市场价格的波 动性产生影响，二者之间到底存在什么 关系，这些问题从沪深 300 股指期货诞 生之日起至今都是金融界讨论的热点话 题。国内外学者针对这一问题进行过系 统的分析，但各位学者得出的结论并不 一致，具体体现为两方面对立的观点： 一方认为，因为股指期货具有价 格发现、避险功能，可以提高市场的定 价效率、实行反向操作以进行套期保值， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 从而间接地达到稳定市场、减少现货市 场股票价格的波动率的效果。另一方则 认为，在股指期货合约到期日当天，无 论是股指期货市场的成交量，还是股票 现货市场的成交量，都很可能会成倍急 剧地放大，股票市场易发生剧烈震荡。 这场争论到现在都没有结束，双 方都无法找到能说服对方的充足证据。 本文应用 GARCH 模型，用虚拟变量来 刻画股指期货推出事件，以对数化的沪 深 300 指数日收益率序列作为研究对象， 进行实证分析，通过科学严谨的数据分 析来为这场争论寻找一个答案。 2 股指期货对股票价格波动的影 响分析 2.1 数据选取及处理 本文选取了沪深 300 股票价格指 数从 2006 年 4 月 17 日到 2014 年 12 月 31 日的日收盘指数。对于四种期货交易 合约，本文选取沪深 300 股指期货当月 合约从 2010 年 4 月 16 日到 2014 年 12 月 31 日的日收盘价格。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 本文以沪深 300 股指期货正式推 出时间，即 2010 年 4 月 16 日为界，将 股指研究数据总样本分为前后两个对称 阶段，以分析股指期货推出后对现货市 场的长期影响。选取 2006 年 4 月 17 日 到 2010 年 4 月 15 日沪深 300 指数日收 盘指数数据为第一阶段，共计 975 个数 据；第二阶段为 2010 年 4 月 16 日到 2014 年 4 月 18 日，共计 980 个数据。 数据来源于 Resset 数据库、中国金融期 货交易所、数优期货行情（含高频）数 据库。 现代金融理论中通用收益率的标 准差或方差来代表股票的波动率。为了 消除金融时间序列的非平稳性，同时保 证收益率序列的平稳性，本文运用 E- views6.0 软件采用对数差分的方法对研 究数据进行处理。 对沪深 300 指数的日收益率序列 进行统计性描述，发现其具有尖峰、左 偏、厚尾的特征，不服从正态分布。对 其进行 ADF 单位根检验，结果中其 P -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 值均趋向于 0，在 1%的显著性水平下， ADF 值小于临界值，所以我们有理由相 信该序列是平稳的。 2.2 识别收益率模型、选择滞后 阶数 通过对股指期货推出前和推出后 的沪深 300 指数的日对数收益率序列分 别进行自相关检验。检验得到其自相关 图，由图可知该序列存在自相关性，进 一步可用 ARMA 模型来描述其动态路 径。根据 AIC 和 SC试蜓衲徒资 后，对其残差进行自相关性检验。 通过 AIC 准则和 SC 准则选择出 模型的滞后阶数。股指期货推出前沪深 300 指数的日对数收益率服从 ARMA（2，2）模型，而股指期货推出 后则服从于 ARMA（1，1）模型。这说 明股指期货推出后提高了现货市场对新、 旧信息的反应效率，标志着信息传递效 率的提高。 建立 GARCH 族模型的前提条件 需要做 ARCH 效应检验，于是本文分别 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 对股指期货推出前、后的收益率序列实 施 ARCH.LM 检验。检验结果为： ARCH.LM 的 P 值（0.01%、2.79%）趋 向于 0，在滞后阶数为 20、5%的显著 性水平下结果仍然显著。故拒绝原假设， 认为股指期货推出前后残差序列均存在 高阶 ARCH 效应，据此建立 GARCH 模 型来进行估计。 2.3 建立 GARCH（1，1）模型 GARCH（1，1）模型被多数知 名学者公认为非常适用于构建金融时间 序列模型。于是，本文选取 GARCH（1，1）模型分别对股指期货 推出前后的沪深 300 指数日收益率进行 估计，结果见表 1 和表 2。 虽然表 2 中的常数项系数统计不 显著，但出于计量经济学的视角，本文 仍予以保留。 由表 1 和表 2 可知，所有变量的 系数均统计显著，且估计系数之和小于 1，满足平稳性条件。 最后再进行 ARCH.LM 检验。检 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 验结果中的 P 值（79% 、29%）均远大 于 5%，我们没有理由拒绝原假设。通 过 GARCH（1，1）模型估计后，原序 列的 ARCH 效应已经消除。 2.4 引入虚拟变量的实证分析 为了刻画沪深 300 股指期货合约 推出事件而引入一个虚拟变量 DV，且 DV 的取值为 0 或者 1。这样本文根据 虚拟变量 DV 值就可以判断股指期货推 出后现货市场价格波动率变化的情况。 回归结果中对于 DV 值的分析主要有以 下三点：DV 的符号、DV 的绝对值、 DV 的 P 值。 引入 DV 之后，GARCH 模型的 条件方差为： 2t=0+12t-1+DV 其中，股指期货推出之前 DV=0，股指期货推出之后 DV=1。 由前所述可知沪深 300 指数的日 收益率总样本序列是平稳的、自相关的， 因此可用 ARMA 模型来解释沪深 300 指数日收益率的变化。利用 AIC 和 SC -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 准则发现其对数收益率服从 ARMA（2，2）模型。 又该总样本序列的 ARCH.LM 统 计量的 P 值趋于 0，且当滞后阶数为 20 时，回归结果仍然显著，说明总样本序 列存在高阶 ARCH 效应，于是应建立 GARCH 模型。 建立加入虚拟变量 DV 的 GARCH 模型，回归结果见表 3。 DV 的 P 值为 0.0028，小于 0.05，说明沪深 300 股指期货的推出对 股票市场的波动性产生了显著影响。又 DV 的值很小且为负数，表明沪深 300 股指期货的推出在很小程度上减弱了现 货市场股票价格的波动性，但却提高了 现货市场对于新旧信息的反应效率。 3 结论 本文借助 ARCH 模型思想，并引 入虚拟变量 DV 来刻画沪深 300 股指期 货合约推出事件，利用 GARCH 模型进 行实证分析。模型的回归结果中 DV 的 值很小且为负数，所以实证分析结果表 -精选财经经济类